基于深度学习点线特征和IMU紧耦合的机器人运动估计方法
基本信息
| 申请号 | CN202210283858.8 | 申请日 | - |
| 公开（公告）号 | CN114708293A | 公开（公告）日 | 2022-07-05 |
| 申请公布号 | CN114708293A | 申请公布日 | 2022-07-05 |
| 分类号 | G06T7/207（2017.01）I;G06T7/70（2017.01）I;G06V10/40（2022.01）I;G06V10/25（2022.01）I;G06V10/26（2022.01）I;G06V10/82（2022.01）I;G06N3/04（2006.01）I | 分类 | 计算；推算；计数; |
| 发明人 | 许泽曦;蔡述庭;熊晓明;刘远;黄楠;张启航 | 申请（专利权）人 | 广东工业大学 |
| 代理机构 | 广东广信君达律师事务所 | 代理人 | - |
| 地址 | 510062广东省广州市越秀区东风东路729号 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明公开了一种基于深度学习点线特征和IMU紧耦合的机器人运动估计方法，包括：对当前帧图像进行实例分割处理得到动态像素和静态像素；对于静态像素部分，提取预测的重复性单元和稠密描述子并进行线特征提取；获取像素级可重复性图和分块级可重复性图，采用基于可重复性的残差，构造点特征重投影误差函数，从而估计机器人位姿；利用线特征构建线特征重投影误差函数，约束位姿估计；对连续两帧图像之间的IMU数据进行预积分，构造IMU误差函数对位姿的迭代优化；最小化点特征重投影误差函数、线特征重投影误差函数以及IMU误差函数之和来优化所有状态变量，求得准确的机器人位姿信息。本发明解决了现有技术在动态环境中定位精度不高、鲁棒性差等问题。 |
